지금까지 ChatGPT와의 음성 대화는 무전기와 비슷했습니다. 내가 말을 끝내야 AI가 응답을 시작했죠. 실시간 통역은 애초에 불가능한 구조였습니다. OpenAI가 이 순서 자체를 바꾼 새 음성모델을 내놨습니다.

OpenAI가 ChatGPT 음성모드를 새로운 아키텍처로 교체했습니다. 이름은 GPT-Live입니다. 유료 플랜에는 GPT-Live-1이, 무료 플랜에는 경량화한 GPT-Live-1 mini가 기본으로 적용되며, iOS·안드로이드·웹 버전에 순차 적용되고 있습니다.

출처: Introducing GPT-Live – OpenAI

말이 끝나길 기다려야 했던 이유

기존 ChatGPT 음성모드는 턴제로 작동했습니다. 사용자가 말을 마쳐야 그제야 응답을 생성하기 시작하는 구조입니다. 이 방식에서는 실시간 통역이 불가능했습니다. 상대의 말이 끝나기 전까지는 번역을 시작할 수조차 없으니까요.

웹검색처럼 미리 시작할 수 있는 작업도 마찬가지였습니다. 이론적으로는 사용자가 말하는 도중에 검색을 시작해도 되지만, 기존 구조는 항상 발화가 끝난 뒤에야 작업에 착수했습니다. 그만큼 응답이 느려질 수밖에 없었습니다.

초당 여러 번, 끼어들지 말지를 판단한다

GPT-Live는 듣기와 말하기를 동시에 처리하는 풀듀플렉스 구조로 이 문제를 풉니다. 대화 중에 초당 여러 번씩 지금 끼어들어야 할지, 계속 들어야 할지, 잠깐 멈춰야 할지, 도구를 써야 할지를 판단합니다.

사용자가 질문 중간에 끼어들거나, 생각을 정리하려고 잠깐 멈추거나, 천천히 말해달라고 요청해도 자연스럽게 반응합니다. “음”, “네” 같은 짧은 맞장구로 듣고 있다는 신호도 보냅니다. OpenAI는 이 결과를 “대화 같은 느낌”으로 표현합니다.

복잡한 질문은 뒤에서 처리하고, 대화는 끊기지 않는다

GPT-Live 자체는 빠른 반응에 최적화된 모델이지만, 웹검색이나 깊은 추론이 필요한 질문을 받으면 최신 프론티어 모델(현재는 GPT-5.5)에 작업을 넘깁니다. 그 모델이 답을 준비하는 동안에도 GPT-Live는 대화를 이어가다가, 결과가 나오면 자연스럽게 대화에 붙여 전달합니다.

이 구조 덕분에 실시간 통역이 가능해졌고, 날씨나 주가, 스포츠 결과 같은 정보는 시각 카드로도 함께 보여줍니다. OpenAI는 대화의 “쾌적함”을 평가하는 자체 지표에서 GPT-Live-1이 이전 음성모델보다 크게 앞섰다고 밝혔습니다.

다만 출시 시점에는 음성과 영상, 화면공유를 함께 쓰는 기능은 빠져 있습니다. OpenAI는 이 기능을 곧 추가할 예정이라고만 밝혔습니다.